圆片下料并行遗传算法的设计与实现
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
下料问题是 NP 难组合优化问题［3］，采用穷举法和精确算 法在求解该类问题时很难在有限的时间内得到最优解。因 此，求解圆片下料问题的常用方法主要有启发式算法和智能 算法等，其中遗传算法（Genetic Algorithm，GA）是典型的智能 算法。文献［4-6］均采用启发式的方法求解：文献［4］中分别
关键词：圆片下料；遗传算法；并行计算；启发式方法；动态规划方法 中图分类号：TP391 文献标志码：A
Design and implementation of parallel genetic algorithm for cutting stock of circular parts
ZENG Zhiyang，CHEN Yan*，WANG Ke
（School of Computer， Electronics and Information， Guangxi University， Nanning Guangxi 530004， China）
Abstract: For the cutting stock problem of circular parts which is widely existed in many manufacturing industries，a new parallel genetic algorithm for cutting stock was proposed to maximize the material utilization within a reasonable computing time，namely Parallel Genetic Blanking Algorithm（PGBA）. In PGBA，the material utilization rate of cutting plan was used as the optimization objective function， and the multithread was used to perform the genetic manipulation on multiple subpopulations in parallel. Firstly，a specific individual coding method was designed based on the parallel genetic algorithm， and a heuristic method was used to generate the individuals of population to improve the search ability and efficiency of the algorithm and avoid the premature phenomena. Then，an approximate optimal cutting plan was searched out by adaptive genetic operations with better performance. Finally，the effectiveness of the algorithm was verified by various experiments. The results show that compared with the heuristic algorithm proposed in literature，PGBA takes longer computing time，but has the material utilization rate greatly improved，which can effectively improve the economic benefits of enterprises.
DOI：10. 11772/j. issn. 1001-9081. 2019081397
圆片下料并行遗传算法的设计与实现
Байду номын сангаас
曾志阳，陈 燕*，王 珂
（广西大学 计算机与电子信息学院，南宁 530004） （ ∗ 通信作者电子邮箱 gxcy@foxmail. com）
摘 要：针对制造行业中的圆片下料问题，为了在合理的计算时间内使材料的利用率尽可能高，提出并行遗传下 料算法（PGBA），以下料方案的材料利用率作为优化目标函数，将下料方案作为个体，采用多线程的方式对多个子种 群并行进行遗传操作。首先，在并行遗传算法的基础上设计特定的个体编码方式，采用启发式方法生成种群的个体， 以提高算法的搜索能力和效率，避免早熟现象的发生；然后，采用性能较好的遗传算子进行自适应的遗传操作，搜索 出一种近似最优的下料方案；最后，通过多种实验验证算法的有效性。结果表明，与启发式算法相比，PGBA 的计算时 间有所增加，但材料利用率得到了较大的提高，能有效提高企业的经济效益。
Key words: cutting stock of circular parts; genetic algorithm; parallel computing; heuristic method; dynamic programming method
0 引言
从板材中切割出所需的毛坯是下料问题的一个热门研究 方 向 ，下 料 方 案 的 优 化 可 提 高 板 材 的 利 用 率 ，简 化 下 料 过 程［1］。圆片的生产工艺通常分为两种：剪切下料和非剪切下 料［2］。 非 剪 切 下 料 是 将 不 同 圆 片 在 原 板 材 或 卷 材 上 进 行 排 样，用火焰切割或激光切割直接切割出来；剪切下料先将板材 剪切成条状，每个条带只放置相同种类的圆片，再将所需圆片 从条带上切割出来。
Journal of Computer Applications 计算机应用, 2020, 40( 2) : 392 - 397
ISSN 1001⁃9081 CODEN JYIIDU
2020⁃ 02⁃ 10 http：/ / www. joca. cn
文章编号：1001-9081（2020）02-0392-06
关键词：圆片下料；遗传算法；并行计算；启发式方法；动态规划方法 中图分类号：TP391 文献标志码：A
Design and implementation of parallel genetic algorithm for cutting stock of circular parts
ZENG Zhiyang，CHEN Yan*，WANG Ke
（School of Computer， Electronics and Information， Guangxi University， Nanning Guangxi 530004， China）
Abstract: For the cutting stock problem of circular parts which is widely existed in many manufacturing industries，a new parallel genetic algorithm for cutting stock was proposed to maximize the material utilization within a reasonable computing time，namely Parallel Genetic Blanking Algorithm（PGBA）. In PGBA，the material utilization rate of cutting plan was used as the optimization objective function， and the multithread was used to perform the genetic manipulation on multiple subpopulations in parallel. Firstly，a specific individual coding method was designed based on the parallel genetic algorithm， and a heuristic method was used to generate the individuals of population to improve the search ability and efficiency of the algorithm and avoid the premature phenomena. Then，an approximate optimal cutting plan was searched out by adaptive genetic operations with better performance. Finally，the effectiveness of the algorithm was verified by various experiments. The results show that compared with the heuristic algorithm proposed in literature，PGBA takes longer computing time，but has the material utilization rate greatly improved，which can effectively improve the economic benefits of enterprises.
DOI：10. 11772/j. issn. 1001-9081. 2019081397
圆片下料并行遗传算法的设计与实现
Байду номын сангаас
曾志阳，陈 燕*，王 珂
（广西大学 计算机与电子信息学院，南宁 530004） （ ∗ 通信作者电子邮箱 gxcy@foxmail. com）
摘 要：针对制造行业中的圆片下料问题，为了在合理的计算时间内使材料的利用率尽可能高，提出并行遗传下 料算法（PGBA），以下料方案的材料利用率作为优化目标函数，将下料方案作为个体，采用多线程的方式对多个子种 群并行进行遗传操作。首先，在并行遗传算法的基础上设计特定的个体编码方式，采用启发式方法生成种群的个体， 以提高算法的搜索能力和效率，避免早熟现象的发生；然后，采用性能较好的遗传算子进行自适应的遗传操作，搜索 出一种近似最优的下料方案；最后，通过多种实验验证算法的有效性。结果表明，与启发式算法相比，PGBA 的计算时 间有所增加，但材料利用率得到了较大的提高，能有效提高企业的经济效益。
Key words: cutting stock of circular parts; genetic algorithm; parallel computing; heuristic method; dynamic programming method
0 引言
从板材中切割出所需的毛坯是下料问题的一个热门研究 方 向 ，下 料 方 案 的 优 化 可 提 高 板 材 的 利 用 率 ，简 化 下 料 过 程［1］。圆片的生产工艺通常分为两种：剪切下料和非剪切下 料［2］。 非 剪 切 下 料 是 将 不 同 圆 片 在 原 板 材 或 卷 材 上 进 行 排 样，用火焰切割或激光切割直接切割出来；剪切下料先将板材 剪切成条状，每个条带只放置相同种类的圆片，再将所需圆片 从条带上切割出来。
Journal of Computer Applications 计算机应用, 2020, 40( 2) : 392 - 397
ISSN 1001⁃9081 CODEN JYIIDU
2020⁃ 02⁃ 10 http：/ / www. joca. cn
文章编号：1001-9081（2020）02-0392-06